精品啪啪无码一区二区三区,亚洲精品视频免费观看,精品国产免费一区二区,久久精品国产亚洲Av不卡

青島恒昌機器人科技有限公司
新聞資訊

當前位置:網(wǎng)站首頁(yè) > 新聞資訊

工業(yè)機器人動(dòng)力學(xué)參數辨識與自適應控制方法研究

    要:

研究六自由度工業(yè)機器人動(dòng)力學(xué)模型小慣性參數辨識和模型參數自適應PD控制方法。首先分析六自由度機器人動(dòng)力學(xué)模型及其小慣性參數;研究基于位置、速度、加速度約束條件的傅里葉級數型激勵軌跡優(yōu)化方法;依據激勵軌跡跟蹤實(shí)驗獲取的關(guān)節角位置、速度、加速度和力矩數據,研究基于小二乘的小慣性參數估計方法。在此基礎上,研究六自由度機器人模型自適應PD控制方法。后,構建了基于Codesys平臺的六自由度機器人控制系統,利用SYMORO+推導回歸矩陣元素,結合Hadamard不等式,利用MatlabFunction函數生成目標函數并將其代入Matlab fmincon函數計算激勵軌跡參數,通過(guò)激勵軌跡跟蹤實(shí)驗辨識出小慣性參數;通過(guò)機器人跟蹤激勵軌跡和驗證軌跡實(shí)驗,比較實(shí)測力矩與基于辨識模型估計力矩的均方根誤差驗證參數辨識方法有效性;通過(guò)期望軌跡跟蹤實(shí)驗驗證了自適應PD控制算法可行性。

作者簡(jiǎn)介: 徐建明(1970—),男,江西吉安人,教授,博士,博士生導師,研究方向為魯棒控制、運動(dòng)控制、機器人控制及其應用,E-mail:xujm@zjut.edu.cn。;

收稿日期:2019-09-11

基金: 國家自然科學(xué)基金-浙江省自然科學(xué)基金聯(lián)合基金兩化融合項目(U1709213); 國家自然科學(xué)基金面上項目(61374103);

Research on dynamic parameter identification and adaptive control method of industrial robot

XU Jianming ZHAO Shuai

College of Information Engineering,Zhejiang University of Technology

Abstract:

In this paper, the identification of minimum inertia parameters and the adaptive PD control method of model parameters for a 6-DOF(six-degree-of-freedom) industrial robot dynamics model are studied. Firstly, the dynamic model of 6-DOF robot and its minimum inertia parameters are analyzed. The Fourier series excitation trajectory optimization method is studied based on position, velocity and acceleration constraints. The least square method of minimum inertial parameter estimation is studied according to the joint angular position, velocity, acceleration and moment data obtained from the excitation trajectory tracking experiment. On this basis, the model adaptive PD control method of 6-DOF robot is studied. Finally, a 6-DOF robot control system based on Codesys platform is constructed. The regression matrix elements are deduced by SYMORO+ and combined with Hadamard's inequality. The objective function is generated by MatlabFunction function and substituted into Matlab fmincon function to calculate the excitation trajectory parameters. The minimum inertia parameters are identified by the experiment of tracking the excitation trajectories. Through the experiments of tracking the excitation trajectories and verifying the trajectories, the parameter identification method is validated by analyzing the root mean square error between the measured moment and the estimated moment based on the identification model. The feasibility of the adaptive PD control algorithm is verified by the experiment of tracking the expected trajectory.


Received: 2019-09-11


工業(yè)機器人廣泛應用于工業(yè)生產(chǎn)過(guò)程中的搬運、裝配、涂裝等方面,并且正向著(zhù)高速、高精度、高智能化的方向發(fā)展,加之產(chǎn)業(yè)需求的不斷擴大與提升,諸如新型的激光焊接、激光切割、多機器人協(xié)作等任務(wù)對機器人的控制精度提出了更高要求[1,2]1-2]。設計基于機器人動(dòng)力學(xué)模型的控制器是實(shí)現高速高精度運動(dòng)控制的有效途徑[3]3],但該類(lèi)控制器的設計需要已知機器人的動(dòng)力學(xué)參數。一般情況下,機器人的動(dòng)力學(xué)參數難以直接測量,需采用特定的辨識實(shí)驗獲得[4]4]。Atkeson等[5]5]選擇關(guān)節空間的五次多項式作為激勵軌跡,采用小二乘法作為參數估計的方法。Swevers等[6]6]首次提出了采用基于傅里葉級數的激勵軌跡進(jìn)行辨識實(shí)驗,該方法產(chǎn)生較大影響,在隨后的辨識研究中,基本均采用傅里葉級數作為激勵軌跡[7]7]。傅里葉級數是指由不同幅值和周期的三角函數構成的非線(xiàn)性函數,該函數具有連續的多階導數,其二階導數具有較大幅值,能充分激發(fā)系統的動(dòng)態(tài)特性;并且通過(guò)合理設置參數,能保證函數起始和結束時(shí)刻具有相同值,便于機器人重復執行激勵軌跡。但傳統傅里葉級數形式的激勵軌跡無(wú)法保證各關(guān)節的角速度和角加速度在軌跡的起始和停止時(shí)刻為零,導致機器人在執行激勵軌跡時(shí)存在抖動(dòng)。文獻[8]在此基礎上提出了一種基于改進(jìn)的傅里葉級數的辨識方法,該方法考慮速度、加速度邊界條件,保證激勵軌跡起始階段的穩定性,提高了辨識精度。目前,確定激勵軌跡參數有兩種應用較多的方法,一種是基于回歸矩陣的條件數小化方法[9]9];另一種是基于對數行列式的優(yōu)化方法[10]10]。參數估計的方法也有很多,其中應用較多的兩種方法為小二乘法[11]11]和大似然估計法[8]8]。其他的方法包括擴展卡爾曼濾波法[12]12],加權小二乘法[12]12],非線(xiàn)性小二乘法[13]13]等。在機器人控制方面,Slotine等做了大量深入的研究,提出了直接自適應、間接自適應、復合自適應等控制算法[14,15,16,17]14-17];針對機器人工作環(huán)境限制、負載變化等問(wèn)題,提出將自適應理論結合阻抗控制,并證明了控制系統的穩定性[18]18];焦曉紅等[19]19]將自適應結合魯棒控制,針對誤差擾動(dòng)上界確定和不確定兩種情況提出控制律,并通過(guò)仿真證明了控制算法的可行性。文獻[20]提出了自適應神經(jīng)網(wǎng)絡(luò )控制算法。利用徑向基神經(jīng)網(wǎng)絡(luò )來(lái)調整滑??刂圃鲆?消除滑??刂戚斎攵秳?dòng)并優(yōu)化系統性能。

筆者以ZCR07S六自由度工業(yè)機器人為實(shí)驗研究對象,基于Codesys平臺完成機器人動(dòng)力學(xué)參數辨識實(shí)驗與自適應控制實(shí)驗。辨識出一組動(dòng)力學(xué)參數并實(shí)現了自適應控制算法。

1 機器人動(dòng)力學(xué)模型與參數辨識

1.1 機器人動(dòng)力學(xué)特性

n連桿剛性機器人動(dòng)力學(xué)方程可由二階非線(xiàn)性微分方程[21]21]描述為

Η(q)q¨+C(q,q˙)q˙+G(q)+τf=τ(1)

式中:q,q˙,q¨Rn×1分別代表關(guān)節角位置、角速度和角加速度向量;τRn×1為關(guān)節驅動(dòng)力矩;H(q)∈Rn×n為慣性矩陣;C(q,q˙)∈Rn×1為哥氏力和離心力矩陣;G(q)∈Rn×1為重力項;τfRn×1為摩擦力項,本研究中摩擦力模型為τf=fvq˙+fcsgn(q˙),其中fv,fc分別為黏性摩擦系數與庫倫摩擦系數,sgn代表符號函數。

機器人系統的動(dòng)力學(xué)結構特性如下:

特性1 可適當定義C(q,q˙),Η˙-2C為斜對稱(chēng)矩陣,即對任意xRn均有

xΤ[Η˙-2C]x=0 (2)

特性2 存在一個(gè)依賴(lài)于機械臂參數的參數向量a,使得H(q),C(q,q˙),G(q),τf滿(mǎn)足線(xiàn)性關(guān)系

Η(q)q¨+C(q,q˙)q˙+G(q)+τf=Y(q,q˙,q¨)a?????????(3)

式中:Y(q,q˙,q¨)為n×m的已知關(guān)節變量的回歸矩陣,它是機器人廣義坐標及其各階導數的已知函數矩陣,am×k描述機器人質(zhì)量特性的未知定常參數向量。即機器人的動(dòng)力學(xué)特性是機器人慣性參數的線(xiàn)性函數。

式(3)中Y的有些列恒為零,有些列間存在常值線(xiàn)性關(guān)系,所以不是所有慣性參數都對力矩有影響,通過(guò)線(xiàn)性關(guān)系重組標準慣性參數[11,22]或數值解析方法[23]獲得可辨識的小慣性參數集amin。式(3)可重寫(xiě)為

Η(q)q¨+C(q,q˙)q˙+G(q)+τf=Y(q,q˙,q¨)a=Y(q,q˙,q¨)amin?????????(4)

式中Y′(q,q˙,q¨)各列線(xiàn)性無(wú)關(guān)。六自由度串聯(lián)機器人小慣性參數如表1所示,慣性參數重組關(guān)系為

Izz1r=(m3+m4+m5+m6)(d22+d32+r32)+

Ia1+d22m2+2mz3r3+Iyy2+Iyy3+Izz1

Ixx2r=-(m3+m4+m5+m6

(d32+r22-r32)+Ixx2-Iyy2

Ixz2r=Ixz2-d3(m3+m4+m5+m6+mz3)r3

Izz2r=Ia2+d32(m3+m4+m5+m6)+Izz2

mx2r=d3(m3+m4+m5+m6)+mx2

Ixx3r=2mz4r4+(m4+m5+m6)r42+

Ixx3-Iyy3+Iyy4

Izz3r=2mz4r4+(m4+m5+m6)r42+

Iyy4-Izz3

my3r=my3-mz4-(m4+m5+m6)r4

Ixx4r=Ixx4-Iyy4+Iyy5

Izz4r=Iyy5+Izz4

my4r=Imy4+Imz5

Ixx5r=Ixx5-Iyy5+Iyy6

Izz5r=Iyy6+Izz5

my5r=Imy5-Imz6

Ixx6r=Ixx6-Iyy6

表1 小慣性參數 導出到EXCEL

Table 1 Minimum inertial parameters



連桿1
連桿2連桿3連桿4連桿5連桿6

0
Ixx2rIxx3rIxx4rIxx5rIxx6r

0
Ιxy2Ιxy3Ιxy4Ixy5Ιxy6

0
Ixz2rIxz3rIxz4rIxz5rΙxz6

0
Ιyz2Ιyz3Ιyz4Ιyz5Ιyz6

Izz1r
Izz2rIzz3rIzz4rIzz5rΙzz6

0
mx2rmx3mx4mx5mx6

0
my2my3rmy4rmy5rmy6

0
0Ia3Ia4Ia5Ia6

fv1
fv2fv3fv4fv5fv6

fc1
fc2fc3fc4fc5fc6



1.2 動(dòng)力學(xué)參數辨識原理及實(shí)驗

為實(shí)現基于動(dòng)力學(xué)模型的控制,需要對結構已知的模型參數進(jìn)行辨識,獲取機器人的一組小慣性參數值,即式(4)中的amin。機器人的參數辨識是一個(gè)復雜的系統工程,包括運動(dòng)學(xué)與動(dòng)力學(xué)建模、激勵軌跡的選取、實(shí)驗設計、數據采集與處理、參數估計、模型驗證等環(huán)節,其流程圖如圖1所示。

圖1 辨識實(shí)驗流程圖

圖1 辨識實(shí)驗流程圖   下載原圖

Fig.1 Flow chart of identification experiment

ZCR07S機器人6 個(gè)關(guān)節均為旋轉關(guān)節,本體如圖2所示,運動(dòng)學(xué)模型的建立采用文獻[11]中的方法,連桿坐標系如圖3所示,MDH參數如表2所示。

圖2 實(shí)驗機器人本體

圖2 實(shí)驗機器人本體   下載原圖

Fig.2 Experimental robot body

圖3 連桿坐標系

圖3 連桿坐標系   下載原圖

Fig.3 Connecting rod coordinate system

表2 MDH參數 導出到EXCEL

Table 2 MDH parameters



連桿
ri/mmαi/(°)di/mmθi/(°)

1
000θ1

2
09025θ2+90

3
00455θ3

4
4209035θ4

5
0900θ5

6
0-900θ6



動(dòng)力學(xué)模型由SYMORO+[24]軟件推導,以自定義符號表達式形式在robot-name.dyn文件中給出,由于篇幅限制,文中不再給出。

各關(guān)節激勵軌跡為N次諧波的正弦和余弦函數有限項和,激勵軌跡關(guān)節角位置表達式為

qi(t)=l=1Νalωflsin(ωflt)-blωflcos(ωflt)+qi0?????????(5)

關(guān)節角速度、角加速度分別為一階、二階導數。實(shí)驗中:基頻為0.1 Hz;周期為10 s;N為5;qi0為位置偏移量;al,bl確定了三角函數的幅值。

確定激勵軌跡參數al,bl,qi0的問(wèn)題可描述為非線(xiàn)性約束優(yōu)化問(wèn)題:

優(yōu)化目標為

q*(t)=argmin(J) (6)

約束條件為

圖片關(guān)鍵詞 


式中:J為待確定的目標函數;qmax,q˙max,q¨max分別為關(guān)節限制大位置、速度、加速度。實(shí)驗所用機器人的關(guān)節位置、速度限位如表3所示。

表3 各關(guān)節位置、速度限位 導出到EXCEL

Table 3 Position and speed limitation of joints



關(guān)節
位置限位/(°)速度限位/((°)·s-1)

1
±130150.0

2
-18,+90112.5

3
-20,+140150.0

4
±250204.5

5
±130225.0

6
±350360.0



式(7)中后面的3 個(gè)約束條件保證了激勵軌跡起始和終止位置、速度、加速度為零。根據Hadamard不等式,正定矩陣的行列式小于等于其對角項的乘積,可計算det(YTY)上界,可小化矩陣條件數。目標函數J[25]

J=1j=1ni=1nYij2

式中Ym×n的回歸矩陣,Yij為矩陣Y的第i行第j列元素。通過(guò)MatlabFunction函數計算目標函數參數,將目標函數與式(7)中的約束條件代入到Matlab fmincon函數計算激勵軌跡參數。激勵軌跡如圖4所示。

圖4 激勵軌跡

圖4 激勵軌跡   下載原圖

Fig.4 Excitation trajectory

辨識實(shí)驗設計與數據采集通過(guò)Codesys平臺完成,同時(shí)采集關(guān)節角位置、速度和力矩,采樣頻率為250 Hz。由Codesys采集到的力矩經(jīng)過(guò)如下轉換關(guān)系換算為機械臂端力矩:機械臂端力矩=采集的力矩相對值×電機額定力矩×減速器減速比/1 000。實(shí)驗所用電機額定力矩和減速器減速比如表4所示。

表4 電機額定力矩和減速器減速比 導出到EXCEL

Table 4 Rated torque of motor and reduction ratio of speed reducer



關(guān)節
電機額定力矩/(N·m)減速器減速比

1
2.390120

2
2.390120

3
1.270100

4
0.318116

5
0.31880

6
0.31850



實(shí)驗中采集的關(guān)節位置軌跡光滑,無(wú)需濾波處理,關(guān)節速度、加速度通過(guò)中心差分算法計算得到,并通過(guò)Matlab smooth函數對關(guān)節加速度、力矩進(jìn)行平滑處理。

小慣性參數值的估計采用標準小二乘法,去除掉一些相對標準偏差較大(RSD>30%)的慣性參數后,得到29 個(gè)描述6 個(gè)關(guān)節機器人動(dòng)力學(xué)模型的小慣性參數,如表5所示。

表5 小慣性參數值 導出到EXCEL

Table 5 Minimum inertial parameter values



小慣性參數
a^
RSD/%

Izz1r
39.560 689 257 713.15

fv1
31.972 108 039 41.26

fc1
16.061 131 863 21.25

Ixx2r
-42.671 108 237 015.73

Ixz2r
0.347 377 258 125.04

Ιyz2
-4.336 088 223 228.62

mx2r
9.078 391 556 58.02

my2
-0.210 724 339 014.43

fv2
-59.361 832 520 04.31

fc2
-13.513 298 318 71.55

Ixx3r
8.847 127 449 726.17

Izz3r
-5.644 584 976 717.19

mx3
-0.784 824 398 622.06

my3r
-2.284 085 631 80.87

Ia3
6.317 742 287 624.07

fv3
-11.772 151 253 023.69

fc3
-7.879 692 889 62.75

Ιyz4
-0.201 137 447 024.43

fv4
9.930 327 124 33.47

fc4
9.812 399 300 82.18

Ixz5r
-0.221 956 985 428.06

Ia5
0.039 832 177 027.59

fv5
2.717 465 875 111.18

fc5
2.461 814 008 57.32

Ιxy6
0.087 176 081 226.16

Ιyz6
0.138 817 631 417.87

Ia6
-0.059 928 086 225.28

fv6
0.441 493 161 029.04

fc6
0.921 412 730 617.76



通過(guò)比較實(shí)測力矩與由辨識模型所估計的力矩的均方根誤差來(lái)判斷所辨識的模型是否符合精確度要求。圖5為重新生成的一組驗證軌跡。

圖5 驗證軌跡

圖5 驗證軌跡   下載原圖

Fig.5 Verification trajectory

圖6,7分別代表激勵軌跡和驗證軌跡下的實(shí)測力矩與估計力矩。

圖6 6 個(gè)關(guān)節激勵軌跡下實(shí)測力矩與估計力矩圖

圖6 6 個(gè)關(guān)節激勵軌跡下實(shí)測力矩與估計力矩圖   下載原圖

Fig.6 Measured and estimated torque diagrams under 6 joint excitation trajectories

圖7 6 個(gè)關(guān)節驗證軌跡下實(shí)測力矩與估計力矩圖

圖7 6 個(gè)關(guān)節驗證軌跡下實(shí)測力矩與估計力矩圖   下載原圖

Fig.7 Measured and estimated torque diagrams under 6 joint verification trajectories

圖7 6 個(gè)關(guān)節驗證軌跡下實(shí)測力矩與估計力矩圖

圖7 6 個(gè)關(guān)節驗證軌跡下實(shí)測力矩與估計力矩圖   下載原圖

Fig.7 Measured and estimated torque diagrams under 6 joint verification trajectories

表6為激勵軌跡和驗證軌跡下的實(shí)測力矩與估計力矩的均方根誤差,誤差值較小,辨識的模型可用。

表6 均方根誤差 導出到EXCEL

Table 6 RMS error



關(guān)節
激勵軌跡/(N·m)驗證軌跡/(N·m)

1
4.130 17.631 3

2
4.333 26.196 1

3
2.370 13.413 0

4
2.484 82.743 3

5
1.197 21.143 3

6
0.470 10.475 7



2 自適應控制算法實(shí)驗

2.1 自適應控制器的實(shí)現

選擇控制律和自適應律[14]

τ=Η^(q)q¨r+C^(q,q˙)q˙r+G^(q)+F^(q˙)-ΚDs?????????(8)

a^˙=-Γ-1YΤ(q,q˙,q˙r,q¨r)s (9)

式中:Η^(q),C^(q,q˙),G^(q),F^(q˙)分別為慣性矩陣、離心力和哥氏力、重力、摩擦力的估計值,其中f^v,f^c分別為辨識的黏性摩擦系數與庫倫摩擦系數;KD,Γ分別為PD控制器增益、自適應增益,均選為正定對角常數矩陣;q˙r,q¨r分別為參考速度、參考加速度,q˙r=q˙*-Λq?,q¨r=q¨*-Λq?˙,其中q˙*,q¨*分別為期望速度、期望加速度;q,q˙分別為實(shí)際位置、實(shí)際速度,其中q?=q-q*,q?˙=q˙-q˙*;s為位置誤差和速度誤差的加權和,其表達式為s=q˙-q˙r=q?˙+Λq?。由式(4)知:控制律式(8)可寫(xiě)為

τ=Y(q,q˙,q˙r,q¨r)a^min-ΚDs (10)

式中:a^min為由辨識得到的小慣性參數;回歸矩陣Y可直接由符號計算軟件SYMORO+得出,其中矩陣元素Yij以自定義形式在文件robot-name.dim中給出,對應于robot-name.dim中的DGiKj。則由得到的小慣性參數a^min與回歸矩陣Y即可實(shí)現自適應控制器。自適應控制器結構如圖8所示。

圖8 自適應控制器結構圖

圖8 自適應控制器結構圖   下載原圖

Fig.8 Structure diagram of adaptive controller

2.2 實(shí)驗裝置

研究中使用的六軸工業(yè)機器人控制系統采用一主多從的控制模式,主站采用ARM+Linux控制方案,從站采用帶EtherCAT接口的高創(chuàng )CDHD系列伺服驅動(dòng),主站與從站、從站與從站之間的通訊采用工業(yè)以太網(wǎng)EtherCAT技術(shù),軟件平臺以Codesys作為開(kāi)發(fā)環(huán)境,以STCFC作為主要編程語(yǔ)言實(shí)現機器人動(dòng)力學(xué)控制,機器人控制系統結構如圖9所示。

圖9 控制系統結構

圖9 控制系統結構   下載原圖

Fig.9 Control system architecture

2.3 實(shí)驗結果

實(shí)驗的期望軌跡為

{q1*=5t2-109t3?????0t<3q2*=3t2-23t3???0t<3q3*=5t2-109t3???0t<3q4*=-10t2+209t3???0t<3q5*=10t2-209t3???0t<3q6*=10t2-209t3???0t<3qi*=qi*(3)????3t,i=1,2,?,6

程序運行采樣周期為4 ms,自適應增益均為1,在實(shí)際的調節過(guò)程中,根據系統的穩定性與跟蹤性能之間的權衡,確定KD=diag[400,350,130,22,9,2],Λ=diag[10,10,10,30,30,25](KP=ΛKD)。實(shí)驗結果如圖10所示,圖10中曲線(xiàn)由上至下分別代表期望位置y1,實(shí)際位置y2,期望速度y3,實(shí)際速度y4,位置誤差y5,速度誤差y6。跟蹤過(guò)程中,關(guān)節1至關(guān)節6大位置誤差分別為-0.06°,0.22°,0.34°,-0.29°,0.45°,0.85°。關(guān)節1至關(guān)節6位置定位誤差分別為-0.06°,0.02°,0.04°,-0.11°,-0.11°,0.09°。

圖10 關(guān)節1至關(guān)節6的跟蹤結果圖

圖10 關(guān)節1至關(guān)節6的跟蹤結果圖   下載原圖

Fig.10 Tracking results of joint 1 to joint 6

圖10 關(guān)節1至關(guān)節6的跟蹤結果圖

圖10 關(guān)節1至關(guān)節6的跟蹤結果圖   下載原圖

Fig.10 Tracking results of joint 1 to joint 6

3 結 論

采用一種計算效率高的優(yōu)化準則設計辨識實(shí)驗的激勵軌跡,通過(guò)Codesys平臺完成辨識實(shí)驗,去掉相對標準偏差較大的慣性參數后,得到29 個(gè)描述機器人動(dòng)力學(xué)特性的小慣性參數,并通過(guò)驗證軌跡驗證了辨識參數的精確性;接著(zhù)基于所辨識的小慣性參數和機器人動(dòng)力學(xué)模型,將一種自適應控制算法應用于六自由度工業(yè)機器人軌跡跟蹤控制,通過(guò)實(shí)驗驗證了所研究方法的有效性。主要體現為應用創(chuàng )新:第一個(gè)創(chuàng )新點(diǎn)是辨識出了ZCR07S工業(yè)機器人動(dòng)力學(xué)參數;第二個(gè)創(chuàng )新點(diǎn)是將自適應控制算法應用于ZCR07S工業(yè)機器人,并取得了良好的控制效果。

參考文獻

[1] BROGRDH T.Robot control overview:an industrial perspective[J].Modeling identification and control,2009,30(3):167-180.

[2] 劉楚輝,姚寶國,柯映林.工業(yè)機器人切削加工離線(xiàn)編程研究[J].浙江大學(xué)學(xué)報(工學(xué)版),2010,44(3):426-431.

[3] WU J,WANG J S,YOU Z.An overview of dynamic parameter identification of robots[J].Robotics and computer-integrated manufacturing,2010,26(5):414-419.

[4] AYUSAWA K,VENTURE G,NAKAMURA Y.Identification of humanoid robot dynamics using floating-base motion dynamics[C]//Proceedings of the Robotics and Mechatronics Conference.Nice,France:IEEE,2008:2854-2859.

[5] ATKESON C G,AN C H,HOllERBUSH J M.Estimation of inertial parameters of manipulator loads and links[J].International journal of robotics research,1986,5(3):101-119.

[6] SWEVERS J,NAUMER B,PIETERS S,et al.An experimental robot load identification method for industrial application [J].International journal of robotics research,2003,21(12):98-107.

[7] GAUTIER M,JANOT A,VANDANJON P O.Dynamic identification of a 6 DOF industrial robot with a closed-loop output error method [J].International federation of automatic control proceedings volumes,2011,44(1):6892-6897.

[8] 吳文祥,朱世強,靳興來(lái).基于改進(jìn)傅里葉級數的機器人動(dòng)力學(xué)參數辨識[J].浙江大學(xué)學(xué)報(工學(xué)版),2013,47(2):231-237.

[9] PRESSE C,GAUTIER M.New criteria of exciting trajectories for robot identification[C]//Proceedings of the IEEE International Conference on Robotics and Automation.Atlanta:IEEE,1993:907-912.

[10] CALAFIORE G,INDRI M,BNOA B.Robot dynamic calibration:optimal excitation trajectories and experimental parameter estimation[J].Journal of robotic systems,2001,18(2):55-68.

[11] GAUTIER M,KHALIL W.Direct calculation of minimum set of inertial parameters of serial robots[J].IEEE transactions on robotics and automation,1990,6(3):368-373.

[12] GAUTIER M,POIGNET P.Extended Kalman filtering and weighted least squares dynamic identification of robot[J].Control engineering practice,2001,9(12):1361-1372.

[13] GAUTIER M,JANOT A,VANDANJON P O.A new closed-loop output error method for parameter identification of robot dynamics[J].IEEE transactions on control systems technology,2013,21(2):428-444.

[14] SLOTINE J J E,LI W P.On the adaptive control of robot manipulators[J].The international journal of robotics research,1987,6(3):49-59.

[15] SLOTINE J J E,LI W P.Adaptive manipulator control:a case study[J].IEEE transactions on automatic control,1988,33(11):995-1003.

[16] SLOTINE J J E,LI W P.Composite adaptive control of robot manipulators[J].Automatica,1988,25(4):509-519.

[17] SLOTINE J J E,LI W P.Indirect adaptive robot control [C]//Proceedings of the IEEE International Conference on Robotics and Automation.Philadelphia:IEEE,1988:704-709.

[18] SLOTINE J J E,LI W P.Adaptive strategies in constrained manipulation [C]//Proceedings of IEEE International Conference on Robotics and Automation,Raleigh:IEEE,1987:595-601.

[19] 焦曉紅,李運鋒,方一鳴,等.一種機器人魯棒自適應控制法[J].機器人技術(shù)與應用,2002(3):40-43.

[20] 范其明,呂書(shū)豪.移動(dòng)機器人的自適應神經(jīng)網(wǎng)絡(luò )滑??刂芠J].控制工程,2017,24(7):1409-1414.

[21] 劉金琨.機器人控制系統的設計與Matlab仿真[M].北京:清華大學(xué)出版社,2008.

[22] MAYEDA H,YOSHIDA K,OSUKA K.Base parameters of manipulator dynamic models[J].Institute of electrical and electronics engineers transactions on robotics and automation,1990,6(3):312-321.

[23] GAUTIER M.Numerical calculation of the base inertial parameters of robots[J].Journal of robotic systems,1991,8(4):485-506.

[24] KHALIL W,VIJAYALINGAM A,KHOMUTENKO B,et al.OpenSYMORO:an open-source software package for symbolic modelling of robots[C]//2014 IEEE/ASME International Conference on Advanced Intelligent Mechatronics.Besacon,France:IEEE,2014:1206-1211.

[25] JIN J,GANS N.Parameter identification for industrial robots with a fast and robust trajectory design approach[J].Robotics and computer-integrated manufacturing,2015,31(1):21-29.

文章轉自中國知網(wǎng),如有侵權,聯(lián)系刪除。

點(diǎn)擊次數:  更新時(shí)間:2020-07-21 09:26:46  

地址:青島市西海岸新區海濱工業(yè)園香海路168號
手機:13806390681  服務(wù)熱線(xiàn):0532-86131102
郵箱:qdhengchangkeji@163.com
魯ICP備18013584號

武川县| 红安县| 富宁县| 灵宝市| 南漳县| 长武县| 凭祥市| 宁晋县| 景洪市| 化德县| 安徽省| 莲花县| 玛沁县| 章丘市| 宁波市| 普兰县| 齐河县| 天津市| 宕昌县| 班玛县| 凌云县| 荔浦县| 贺兰县| 会昌县| 内黄县| 常宁市| 沙河市| 沽源县| 中方县| 湘乡市| 永寿县| 安福县| 田林县| 内乡县| 怀化市| 南木林县| 成都市| 商河县| 太白县| 东阳市| 惠来县|